蓄水池算法

题目：给出一个数据流，这个数据流的长度很大或者未知。并且对该数据流中数据只能访问一次。请写出一个随机选择算法，使得数据流中所有数据被选中的概率相等。

抽象：从n中取出k个数，n未知大小，保证最后n中每个元素被抽取的概率一样为k/n。

做法：假设我们从3个数{1,2,3}中取一个数，那么就要求每个数被抽取的概率为1/3，我们先读取前2个数{1,2}，我们以1/2的概率选取其中一个数，加入选择{1}，接下来读取数字{3}，因为要求每个数被选取的概率为1/3，因此我们以1/3的概率选取数字{3}，2/3的概率选取数字{1}，那么最终数字1被选取的概率是2/3 * 1/2 = 1/3，同理数字{2}被选取的概率也是1/3。

将上述做法n个数选择1个数，每次要读取第n个数的时候，以1/n的概率保留该数，以(n-1)/n的概率保留前面n-1个数选取出来的1个数。

再推广到从n个数中选取k个数，假设读取到第n个数时（n>=k），以k/n的概率保留概述，以(n-k)/n的概率保留前n-1个中选取出来的k个数。

证明：使用上述步骤，从n中读取k个数，在读取n个元素后，n中每一个被保留下来的概率都是k/n。假设n = k + i，那么算法证明的就是第i轮选取中，前k+i个数每个数被保留的概率为k/(k+i)，其中( 0 <= i <= n - k)。
用数学归纳法来证明：

当i=0是，每个数字被选取的概率为k/(k+0)=1，正确；
假设当i-1轮时，结论成立，即前k+i-1中每个数被保留的概率为k/(k+i-1)；
第i轮，因为我们以k/(k+i)的概率选取第k+i个数，因此其概率为k/(k+i)，正确；对于前k+i-1个数中的x，其被保留的概率由两部分组成：
①：第k+i个数没有被选取到，则x被选取的概率是：i/(k+i) * k/(k+i-1)，其中k/(k+i-1)是2中假设的条件，即x在前k+i-1中被保留的概率；
②：第k+i个数被选取到，要替换前k+i-1中的数，那么x不被替换的概率是：k/(k+i) * k/(k+i-1) * (k-1)/k，k/(k+i-1)同①，k-1/k是指，在被选取为k个数之后，不被替换的概率。
因此，总概率为(i/(k+i) * k/(k+i-1)) + (k/(k+i) * k/(k+i-1) * (k-1)/k) = (k/(k+i-1)) * (i/(k+i) + (k-1)/(k+i)) = k/k+i；
得证。

具体算法步骤：

从n个数读取前k个数，保存在集合A中；
从第i个数开始(k<=i<=n)，每次以k/i的概率选择是否保留概述，若保留，将随机替换k中任一数；
重复2，直到结束。